发表ccf论文

投稿针对类型不同。会议论文是针对某学术会议投稿的，即发表在国内或国际学术会议上的论文。如果论文被学术会议的会务组决定录用，论文将在会议“论文集”上发表，同时也会被要求参加高端学术同行交流会，向学术界介绍你研究的发现。期刊论文是针对某学术期刊投稿的，即发在学术期刊上的论文。有学术性与非学术性之分。期刊论文主要会发在月刊/季刊/年刊/不定期地刊上。期刊论文录用后，投稿人只需等着出版即可。

可以。ccfc类会议论文可以用中文发表。中国控制与决策会议(CCDC)，是由《控制与决策》编辑委员会联合中国自动化学会应用专业委员会、中国航空学会自动控制专业委员会等学术组织，于1989年创办的大型学术会议，是在国内举办的信息与控制领域的重要会议之一，是高水平的有重要影响的国际学术会议，每年举办一届，至今已举办22届。

CCF会员发表CCF论文

ccfa论文是发表在推荐会刊。

各级期刊的“增刊、特刊、专刊、综合版、专辑”等上发表的论文，有期刊号的，包括列入北大核心期刊目录的刊物，以期刊主办单位确定为相应级别内部刊物折半计分。

下列情况一般不作为学术论文对待：与所从事专业技术工作非密切相关的文章，如评论、文摘、短篇报道、科普文章、文艺、新闻等作品，以及会议简报、动态、讲座等资料性质的材料；

刊号中含有H、HK等由香港出版发行且未被认定准许或不能确定是否准许在大陆公开发行的刊物。

论文级别

第一级－T类

特种刊物论文，指在《SCIENCE》和《NATURE》两本期刊上发表的论文。

第二级－A类：权威核心刊物论文，指被国际通用的SCIE、EI、ISTP、SSCI以及A&HCI检索系统所收录的论文（以中国科技信息研究所检索为准），或同一学科在国内具有权威影响的中文核心刊物上发表的论文，论文不含报道性综述、摘要、消息等。

第三级－B类

重要核心刊物论文，指在国外核心期刊上刊登的论文（见《国外科技核心期刊手册》）或在国内同一学科的中文核心期刊中具有重要影响的刊物上发表的论文。

第四级－C类

一般核心刊物论文，指《全国中文核心期刊要目总览?北大图书馆2004版》刊物上发表的论文。

第五级－D类

一般公开刊物论文，指在国内公开发行的刊物上（有期刊号“CN”“ISSN” ，有邮发代号）发表的论文。

第六级－E类

受限公开刊物论文，指在国内公开发行的但受发行限制的刊物上（仅有期刊号、无邮发代号）发表的论文。

担任985高校博导的25岁博士有多厉害

担任985高校博导的25岁博士有多厉害，冯磊自2021年入职时仅25岁，是重庆大学计算机学院目前年龄最小的引进人才，担任985高校博导的25岁博士有多厉害。

“90后”目前已渐成为中国学术圈的生力军，而“95后”的青年学者也开始跃上学术舞台。

记者注意到，重庆大学计算机学院“95后”弘深青年学者冯磊再度引起社会舆论关注。重庆大学计算机学院7月间消息透露，冯磊撰写的论文《Pointwise Binary Classification with Pairwise Confidence Comparisons》在第38届国际机器学习会议（The 38th International Conference on Machine Learning）（CCF A类）上发表。

重庆大学计算机学院介绍，这是机器学习领域公认的顶级国际学术会议，在学术界享有极高的声誉，计算机学院首次以第一单位在该会议上发表学术论文，实现了零的突破。

该论文的`第一作者与通讯作者均为冯磊，合作者来自日本东京大学、日本理化学研究所先进智能研究中心、新加坡南洋理工大学、澳洲昆士兰大学、中国香港浸会大学等著名高校或研究机构。

重庆大学方面提供的个人信息显示，冯磊，男，出生于1995年4月，博士毕业（直博并提前毕业）于新加坡南洋理工大学，目前为重庆大学计算机学院弘深青年学者引进人才、博导，兼任日本理化学研究所先进智能研究中心（RIEKN Center for Advanced Intelligence Project）客座科学家（Visiting Scientist）。

冯磊自2021年1月起加入计算机学院工作至今，入职时仅25岁，这是重庆大学计算机学院目前年龄最小的引进人才，也是学院有史以来首次直接给应届博士毕业生正高/博导岗位。

冯磊的主要研究方向为机器学习、数据挖掘、人工智能。近三年来，已在ICML、NeurIPS、KDD、CVPR、AAAI、IJCAI等国际顶级（CCF A类）会议与中科院一区期刊上以第一作者或通讯作者发表论文十余篇。研究成果在弱监督学习领域做出了许多重要的贡献。

在学术服务方面，冯磊担任IJCAI 2021高级程序委员会委员（senior program committee member），ICML 2021专家审稿人（expert reviewer），以及其他国际顶级（CCF A类）会议（包括NeurIPS、KDD、CVPR、ICCV、AAAI）的程序委员会委员/审稿人，并受邀担任多个国际知名期刊（包括JMLR、IEEE TPAMI、IEEE TIP、IEEE TNNLS、MLJ）审稿人。

另外，在重庆大学计算机学院官网冯磊的个人页面，冯磊专门标注了一段文字：本课题组研究经费充足，与国内外著名高校和研究机构有紧密的合作，欢迎青年老师和有意从事学术研究的博士后博士生硕士生加入（或访问）本课题组。招收弘深青年教师（特别资助：37-40万元/年，重点资助：27-30万元/年）。

冯磊还特别注明注意事项：2022年秋季入学的博士硕士研究生招生名额已满，谢谢各位同学的热情，请勿再邮件联系我了。同时，他向大家强烈推荐了其他几位导师。

重庆大学是教育部直属的全国重点大学，国家“211工程”和“985工程”重点建设的高水平研究型综合性大学，国家“世界一流大学建设高校（A类）”。

2021年1月，出生于1995年4月的冯磊，被重庆大学计算机学院，直接作为弘深青年学者人才引进，并聘任为博导、教授，其主要研究方向为机器学习、数据挖掘、人工智能。

冯磊入职时仅25岁，这是重大计算机学院目前年龄最小的引进人才，也是该学院有史以来首次直接给应届博士毕业生正高/博导岗位。

个人主页：

入职半年，冯磊撰写的论文《Pointwise Binary Classification with Pairwise Confidence Comparisons》在第38届国际机器学习会议（The 38th International Conference on Machine Learning）（CCF A类）上发表。这是机器学习领域公认的顶级国际学术会议，在学术界享有极高的声誉，这也是重庆大学计算机学院首次以第一单位在该会议上发表学术论文，实现了零的突破。

冯磊简介

冯磊，重庆大学弘深青年学者引进人才（教授、博导），兼任日本理化学研究所先进智能研究中心（RIKEN Center for Advanced Intelligence Project）Visiting Scientist。博士毕业于新加坡南洋理工大学（Nanyang Technological University, Singapore），在提前毕业的情况下，获得南洋理工大学计算机科学与工程学院杰出博士学位论文奖第二名（NTU SCSE Outstanding PhD Thesis Award Runner-Up）。中国计算机学会（CCF）会员，中国人工智能学会（CAAI）会员，国际人工智能促进学会（AAAI）会员，美国计算机学会（ACM）会员，中国人工智能学会机器学习专委会通讯委员。担任IJCAI 2021与AAAI 2022高级程序委员会委员（senior program committee member），ICML 2021 专家审稿人（expert reviewer），以及其他国际顶级（CCF A类）会议（包括NeurIPS、KDD、CVPR、ICCV、AAAI）的程序委员会委员/审稿人，并受邀担任多个国际顶级期刊（包括JMLR、IEEE-TPAMI、IEEE-TIP、IEEE-TNNLS、MLJ）审稿人。

主要研究方向为机器学习、数据挖掘、人工智能。已在International Conference on Machine Learning (ICML)，Annual Conference on Neural Information Processing Systems (NeurIPS), ACM SIGKDD Conference on Knowledge Discovery and Data Mining (KDD)，IEEE/CVF Conference on Computer Vision and Pattern Recognition (CVPR), International Conference on Computer Vision (ICCV), AAAI Conference on Artificial Intelligence (AAAI), International Joint Conference on Artificial Intelligence (IJCAI)等国际顶级（CCF A类）会议与中科院一区期刊上发表论文近二十篇。

冯磊还入选了2021福布斯中国30 Under 30 科学和医疗健康领域榜单。

重庆大学是教育部直属的全国重点大学，国家“211工程”和“985工程”重点建设的高水平研究型综合性大学，国家“世界一流大学建设高校（A类）”。

学校创办于1929年，在20世纪40年代就发展为拥有文、理、工、商、法、医6个学院的国立综合性大学。经过1952年全国院系调整，成为国家高教部（高教部1958年并入教育部）直属的、以工科为主的多科性大学。1960年被确定为全国重点大学。改革开放以来，学校大力发展人文社科类学科专业，促进了多学科协调发展，逐步发展为综合性研究型大学。1998年，学校成为国家“211工程”重点建设高校。2000年5月，原重庆大学、重庆建筑大学、重庆建筑高等专科学校三校合并组建成新的重庆大学。2001年，学校成为“985工程”重点建设高校。2004年，学校被确定为中管高校。2017年9月，学校入选国家“世界一流大学建设高校（A类）”。

学校学科门类齐全，涵盖理、工、经、管、法、文、史、哲、医、教育、艺术11个学科门类。设7个学部35个学院，以及附属肿瘤医院、附属三峡医院、附属中心医院。教职工5300余人，在校学生47000余人，其中研究生20000余人，本科生26000余人，来华留学生1700余人。校园占地面积5200余亩，有A校区、B校区、C校区和虎溪校区。

ccf发表论文

1、论文题目：要求准确、简练、醒目、新颖。2、目录：目录是论文中主要段落的简表。（短篇论文不必列目录）3、提要：是文章主要内容的摘录，要求短、精、完整。字数少可几十字，多不超过三百字为宜。4、关键词或主题词：关键词是从论文的题名、提要和正文中选取出来的，是对表述论文的中心内容有实质意义的词汇。关键词是用作机系统标引论文内容特征的词语，便于信息系统汇集，以供读者检索。每篇论文一般选取3-8个词汇作为关键词，另起一行，排在“提要”的左下方。主题词是经过规范化的词，在确定主题词时，要对论文进行主题，依照标引和组配规则转换成主题词表中的规范词语。5、论文正文：（1）引言：引言又称前言、序言和导言，用在论文的开头。引言一般要概括地写出作者意图，说明选题的目的和意义, 并指出论文写作的范围。引言要短小精悍、紧扣主题。〈2）论文正文：正文是论文的主体，正文应包括论点、论据、论证过程和结论。主体部分包括以下内容：a.提出-论点；b.分析问题-论据和论证；c.解决问题-论证与步骤；d.结论。6、一篇论文的参考文献是将论文在和写作中可参考或引证的主要文献资料，列于论文的末尾。参考文献应另起一页，标注方式按《GB7714-87文后参考文献著录规则》进行。中文：标题--作者--出版物信息（版地、版者、版期）：作者--标题--出版物信息所列参考文献的要求是：（1）所列参考文献应是正式出版物，以便读者考证。（2）所列举的参考文献要标明序号、著作或文章的标题、作者、出版物信息。

ccfa论文是发表在推荐会刊。

刊号中含有H、HK等由香港出版发行且未被认定准许或不能确定是否准许在大陆公开发行的刊物。

论文级别

第一级－T类

特种刊物论文，指在《SCIENCE》和《NATURE》两本期刊上发表的论文。

第三级－B类

第四级－C类

一般核心刊物论文，指《全国中文核心期刊要目总览?北大图书馆2004版》刊物上发表的论文。

第五级－D类

一般公开刊物论文，指在国内公开发行的刊物上（有期刊号“CN”“ISSN” ，有邮发代号）发表的论文。

第六级－E类

受限公开刊物论文，指在国内公开发行的但受发行限制的刊物上（仅有期刊号、无邮发代号）发表的论文。

第一步. 调研、入门1. 确定一个感兴趣的大领域，比如分布式系统或者机器学习，或者深度神经网络。读这个领域经典算法和技术，也可以是几本比较好的书，读完然后再实践实践，动手加深理解。这个过程做完就算是初步入门了。2. 找该领域的顶级会议，比如系统领域的有OSDI、SOSP，机器学习的领域有ICML、CVPR，深度学习的有NIPS、ICLR等等，可以搜CCF会议推荐列表看各领域的顶会列表。然后看近几年这些顶会的论文，因为这代表了最新的研究热点，咱不是说一味的追热点啊，毕竟对于初学者没有足够的领域专业背景，追热点是最快的方法。因为热点往往是该领域最亟待解决的问题，往往是发展最快的小方向，也最容易产生新成果。如果是老问题，人家都研究十几年了，给你留下的待解决的问题就很少或者不是很重要。当然如果是有几十年经验的研究者就不必追热点，他们知道该领域哪些是fundamental的问题，哪些是最值得研究的问题。3. 读了这些前沿论文后，确定一个小方向，比如分布式系统是个大方向，小方向可能是机器学习分布式训练；大方向是深度学习，小方向可能就是graph embedding；大方向是机器学习，小方向可能是半监督学习等等。确定小方向的过程是个知识不断积累的过程，非常重要，这需要你对大方向有很多了解，对小方向有更深入更全面的理解，需要读好至少100篇以上论文，需要你知道该小方向的研究进展历史，这需要你知道该小方向别人都在哪方面做工作，做该小方向的顶级研究组都有哪些，他们正在干什么。第二步. 发现问题这步超级难，如果发现了个好问题，那就是成功的一半。这个问题最好是重要的、本质的、没有直观解决方法的。4. 确定小方向后，你需要阅读大量的这个小方向的论文和了解开源项目，再不断聚焦，再确定一个要改进和优化的小小方向，这个可能就是论文的主题。小小方向可能是机器学习分布式系统中的parameter server通信模型，可能是dynamic graph embedding等。然后就要更聚焦地读这方面的相关论文，这时候论文就比较少了，几篇到几十篇到几百篇都有可能，这些论文要精读，花几个月时间研究一篇论文也不为过。5. 挑几个重要的论文工作实现，也可以找开源的运行跑一跑试一试，idea往往从实际运行中来，光靠读是不行的。这个跑一跑可能需要你尝试不同的运行环境，不同的workload数据集，不同的应用场景等。比如，parameter server（PS）模型在本地集群上跑是不是和paper声明的一样、在异构的动态性极强的集群环境下效果怎么样、除了paper提到的算法处理其他算法的时候效果怎么样、除了paper提到的数据集换另外一类数据集怎么样；graph embedding方法处理密集图和稀疏图都怎么样，处理动态变化的图怎么样，等等吧。你要发现X方法仅在a环境下好用，在b环境不好用。这个就是发现问题的过程。当然，没经验的研究者可能很难想到多种环境、多种workload、多种应用场景，这就需要积累。另外一个发现问题的方法是从实际生产中来，这个当然是最好的，但是往往是大企业环境下才有这个条件。6. 确定你发现的问题还没有被解决。这又需要广泛的阅读和调研，但是问题已经很聚焦了，搜索也会很容易，用你特定问题的关键字在google 搜索（这里强烈建议用google，其他搜索引擎基本搜不到），找到解决相关问题的论文。看看这些论文是不是已经解决了该问题，如果解决了，你有两种方案：第一，该问题已经解决的非常好了，放弃解决该问题。第二，该问题的解决方案还有问题，我还有更好的办法。我建议后者，最起码尽量尝试尝试。5和6步是个迭代的过程…第三步. 分析问题7. 分析问题产生的本质原因。这个往往和第5步发现问题同时进行。这一步靠的是功底和积累，靠的是对问题的理解程度。理解的越深刻，分析的越透测，你之后产生的解决思路就越有可能正确和有效。比如分布式机器学习的PS模型在异构环境下、和在处理数据不均匀的情况下就不好，本质原因是其同步的集中式通信模型，造成PS集中服务器往往需要等待。传统graph embedding方法采用批处理模式，需要graph的全局信息做embedding，当然无法应付动态性非常强的局部更新情况。8. 基于分析，就是对该问题的深刻理解，产生改进的idea。这个可能很难，可能靠运气，但我觉得更多的是靠对问题的理解程度，理解的越深刻，本质原因抓的越准，就越可能产生创新idea。读过一本介绍google企业文化的书，google产品的成功，既不是靠技术能力，也不是靠用户需求，而是靠技术洞见（insight），这就是对问题本质的深刻理解。比如，PS模型在某环境下问题的本质原因是集中式的同步模型，那么我们就可以提出尝试异步通信的模型的idea。分析能力跟个人的批判性思维、独立思考能力都有关，而这正是中国人欠缺的，可以通过读有深刻见地的书籍文章、经常提问来锻炼。第四步. 解决问题9. 实现你的idea，做大量实验验证。这需要动手能力，需要编程能力，需要坐得住。10. 验证你的解决方案，根据实验分析不断优化你的方法。做了大量试验后，得到了若干结果，可能是不好的结果，但是不要一下子否定自己的解决方案，这不能说明你的idea不好用。一个好的方法往往经过千锤百炼，同样，你的idea通常不会一下子就成功。需要你根据实验结果分析不好的原因，然后基于你的理解改进方法，这是一个反复不断迭代的过程。比如，你发现异步PS模型效果还不如原来的呢。那么关键的是，你要问自己为什么？为什么理应提升的却没有提升？你要看实验运行的日志，看看是哪里慢了，差在哪里，最后你经过不断的实验、分析、思考，你发现了，你提出的异步PS模型虽然没有了等待开销，但是计算的有效性却降低了，结果整体性能反而下降了。那么你下一次迭代就要想怎么把这个计算有效性提上来。我又有了个方法，可以评估每次计算的有效性，然后把计算资源都投到有效性高的计算上。OK，idea不错，那么怎么评估有效性呢？不能开销太大，否则又得不偿失了，你可能想到了一种近似地评估方法。重新实现后，发现效果还不错。OK，恭喜你！你可以准备发论文了！整个研究过程，导师将起到关键的作用。导师可能会给你个问题，这是难能可贵的，基本帮你做了一半的事了，否则你可能需要花上一年时间找问题。然后整个研究过程，都是在导师的引导下进行，需要定期向导师汇报，与导师讨论idea和请导师分析实验结果。最好自己也要经常找同门讨论，而不是闭门造车。第五步. 撰写论文11. 设计你的论文，草拟论文的骨架。每一章都写啥，每一段都写啥，实验都做啥。论文的逻辑往往比语言重要的多，逻辑合理的论文更易读懂，即使咱华人有天生的英语语言缺陷，但是好的逻辑就可以弥补这个不足。写论文就和讲故事一样，怎么能把一个事说明白，不那么简单，甚至说很难，需要不断锻炼。写完给老师看，老师同意后进行下一步12. 写作论文。这个就是根据骨架填肉的过程，但是这一步也不简单，特别对于英语不好的同学，写出来的东西简直是不忍直视、不堪入目、毁人三观。最近上海某高校老师辱骂学生这事就是因为这个，我可以说，我每次看到学生论文也都是这个心情，给学生通宵改论文在家里一边改一边骂，但是当面对学生还是要以鼓励为主，要耐心，要耐心，要耐心，尽力压制自己的怒火，以平和的心态帮助学生提高，期望他下次能给个更好的版本。但是往往事与愿违，看淡点吧，仅求写作态度好点就行了，毕竟这不是一朝一夕能提高的，需要你不断积累。有几个写作的方法吧。第一，不要自己想当然，对于不确定的句型，用“”扩上上google搜，看看你这句型有多少人用过，如果没有几个人用，那就别用，换个写法。第二，读别人论文时，遇到好的句型就记下来，不断积累才能提高。第三，避免一切语法错误，我觉得这个是可以做到的，现在网上那么多工具都可以用。语法错误都避免不了那基本就是态度问题。遗憾的是，我很少遇到能避免语法错误的学生，我生气往往是因为态度问题，而不是能力问题。第四，尽量用短句用简单句子，别用长句。你写论文是为了让别人理解你的方法，不是写文艺作品，能说明白就行。13. 提炼总结，改进方法。写作的过程也是屡顺自己思路的过程，写作的过程中往往也能发现自己方法的漏洞，那么就要继续回到8，重新思考解决方案，又或者你发现需要补实验来支撑你的论点，那么就继续实现系统做实验，得到实验结果。14. 关于实验。怎么做实验是学生总问的问题，怎么做科学实验也是一个很重要的问题，有对照组、无偏的、定量的，这些都是科学实验的重要要素。如果有解决该问题的其他方法你首先要说明你的方法更好，至少在某一方面更好，这其中可能要涉及到不同的执行环境，或不同的算法数据集。然后设计实验说明你的方法好在哪里，用实验数据说明，比如异步PS和同步PS对比。然后你要进一步用实验数据说明，异步PS的有效性也提高了，如果不考虑有效性的话那么结果就不好。然后你的方法是否有些重要的超参数，试试variation导致各种结果。在实验结果展示方面，要学会用各种工具画各种图，把重要的因素用可视化方式体现出来。第六步. 投稿和看待审稿意见15. 接下来就是投稿。选一个合适的会议或期刊投稿，这个可以听老师的，老师基本有这方面的常识，根据你工作的方向和档次选择合适的去处。确定好了哪个会议期刊后，就需要按照会议期刊要求来整理论文格式，latex是必会的工具了。之后赶在deadline之前提交论文，这个最后的几天可能很痛苦，因为你的论文和方法总有改进的地方，老师的要求会让你最后几天是最忙的几天。但是需要认识到，凡事无完美，你总也改不到完美，你需要一个deadline来督促你完成一个milestone。开始进一步工作或下一个工作。16. 看待评审意见。接下来是漫长的等待，会议一般是2-3个月的时间，结果可能是接收也可能是拒掉，相比于结果，更应该看评审意见，看看这些意见是否合理，是否能解决，无论是接收还是拒绝，然后接下来就再次回到解决问题的部分，再次开始优化方法的过程。如果是接收了，那就可以准备订机票开会旅游去了。如果是拒掉那一般是有比较大的问题，那就再仔细深思下一下你的方法。继续优化，还是降低档次投个差点的会，就看你导师的了。第七步. 后续17. 宣传你的工作，扩大影响力。首先你可能是要去参加会议，做个漂亮的ppt，反复演练，争取有比较好的演讲效果。有时你导师有机会去一些地方做报告，把这个工作介绍一下，都是扩大影响力的方法。18. 开放源码。还有是尽量把自己工作的代码和数据开放，挂到网上，让别人来使用，接受别人的改进意见或者是简单的debug。咱不是专业的工程人员，也不用指望你的成果可以马上用于生产，个人觉得开放代码主要是为了让别人更好滴了解你的方法，这有助于扩大影响力，产生后续研究工作。如果有人引用你的论文、或咨询论文内容、又或是使用了你的代码和数据，这也算是你对整个科研事业有那么一丁点的贡献了，这比水论文有意义多了。整体来说，发表论文需要你有：批判思维能力，动手能力，知识面，写作能力，表达能力，英语，韧劲（抗打击能力）等等一系列能力，如果在研究生期间真能发表一篇论文，经历了以上这么多磨难和锻炼，我想你的能力也是不知不觉提高了很多，成为了该小小方向的一个小小的专家了。这对你来说，是最最重要的。这里我提到了韧劲，就是说，在解决问题过程中，你会受到不断的打击，包括来自导师的、来自自己的实验结果方面的、来自评审意见的，但是你要做的就是，站起来，继续凿，直到导师满意，知道reviewer满意，直到大家满意。别把这事想简单了，当你想象一下周围好多人都发好多sci了，而你还在为这么一篇完全未知结果的论文而这么努力的时候，我觉得大部分人可能就是缺少这个韧劲才最终以失败告终的…最后，我想再强调一下，发论文不是简单地发论文，而是通过发论文宣传你的工作，以便对某技术或人有那么一丁点影响。无论你发哪个档次的论文，只要目标正确，我觉得你都会有收获和有贡献的。相比较于为了发论文而发论文，你会觉得你是那么地高尚和高大，他们只是造废纸，而你已经对社会有贡献了…（以上内容来源于学术堂）

找刊物，有投稿邮箱。投稿、等待通知、缴费、等待发表、发表

ccf论文发表

即中国计算机学会（China Computer Federation），前身是中国电子学会计算机专业委员会，成立于1962年。这是由从事计算机及相关科学技术领域的科研、教育、开发、生产、管理、应用和服务的个人及单位自愿结成、依法登记成立的全国性、学术性、非营利学术团体，是中国科学技术协会成员。学会下设12个工作委员会，36个专业委员会。学会有31个地方会员活动中心。（截至2018年）一般来说ABC类都是指的CCF所推荐的高水平会议期刊，也就是CCF A、CCF B、CCF C。是计算机专业领域的权威人士对CCF的一些期刊会议的评级。 PS：并不是所有论文都会被CCF收录，因为CCF收录的论文数量也是有限的。所有没有CCF等级的论文并不一定质量差~ 没有。就像上面所说的，CCF是计算机领域的权威人士排的评级，而SCI分区是根据期刊影响因子来划分的。SCI的范围更广，涵盖学科更多，而CCF专注计算机领域。可以理解为评断的标准不同，但不管是SCI还是CCF的ABC类，含金量都是很高的。 SCI包含学科众多，除了计算机还有数理化医学等等理工学科，而CFF是专攻计算机领域的。如果是计算机学科的作者，发CCF的话肯定比发SCI在业内更受认可。甚至对于一些研究生而言，CCF可以作为很多大学(清华北航北邮西电等)复试的上机成绩，而且是直接用CCF成绩替代上机成绩，这相当于多了一次考试机会。当然，并不是说SCI不好或者CCF比SCI更好的意思。有句话说得好：术业有专攻。总而言之，如果是计算机学科，建议多关注CCF的会议，发CCF ，如果是其他理工学科，SCI期刊也是含金量很高的。最后再说一句，其实CCF的评级标准也不是完全科学的~ 并不是C类就一定比B类差。这个评级也是业内许多大佬博弈而来的成果，每位大佬的意见想法也不可能绝对相同的。所以也不必要太纠结ABC类，相信适合自己的就是最好的~图文来源vx订阅号：橄榄果学术

ccf-c论文发表

可能，因为在半年发一篇ccfc类文章，时间比较充足，如果有这方面持长的人，是没有什么困难的，他们有充足的时间和准备，因此，发这类文章是可以的。